כפי שהוצג בקטע הקודם, שיטת אוילר לפנים לא תמיד יציבה. כלומר, אם נבחר גדול מדי, בכל צעד אנו עלולים לצבור עוד ועוד שגיאה. לא ניכנס לפיתוח הקריטריון ליציבות, אבל בקורס הוא מוצג בצורה הפשוטה של הדרישה:
כאשר הם הע”ע של .
דרך יותר שיטתית המפורטת ב-(Surana & Reddy, n.d.) שיותר נוח לממש אותה ב-MATLAB היא לחשב את הע”ע המקסימלי של , שנסמנו , ואז ה- הקריטי הוא:
בעיות הולכה בזמן
נפתח כעת הצורה החלשה של בעיות הולכה בזמן. במקרה החד-ממדי, לפי משוואת החום החד-ממדית:
בקורס אנו נכתוב את משוואה זו בצורה טיפה שונה. במידה ושטח החתך או הקבוע הולכה לא אחידים, אז יש לנו את הגרסא היותר כללית:
לאחר טיפה העברת אגפים:
נסמן , ונקבל את הבעיה בצורתה החזקה:
כאשר יכול להיות תלוי ב- כי אולי שטח החתך או הייצור חום הפנימי משתנה.
נקרב את לפי , כאשר נשים לב שהפעם הנעלמים שלנו הם פונקציות תלויות בזמן , לעומת קבועים כמו שהיה לנו בבעיות סטטיקה. בנוסף, גם את נקרב לפי אותם הפונקציות בסיס, .
נשים לב ש- ו- לא תלויים באלמנט. המטריצות הגלובליות יהיו (לאחר הרכבה מהמטריצות המקומיות):
עבור (שיטת נקודת האמצע) ו- , נקבל שהמטריצות ו- הן:
נפעיל את תנאי השפה , כלומר לכל זמן. לכן נישאר רק עם כנעלם, ומערכת המשוואות (E5.1) הופכת להיות:
במצב התחלתי, לפי תנאי ההתחלה:
נחשב את הערך של באמצעות מיפוי לפונקציות הבסיס. במיקום , מתקיים , ולכן .
לאחר צעד אחד של , הפתרון יהיה:
כלומר:
פתרון פילוג הטמפרטורה עבור קפיצות זמן די גסות.
פתרון עבור:
עבור ו- , נחשב מחדש את המטריצות ו-:
בהתחשב בתנאי השפה, נקבל:
ולכן:
לאחר צעד אחד של , הפתרון יהיה:
כלומר:
פתרון פילוג הטמפרטורה עבור קפיצות זמן עדינות.
פתרון עבור:
עבור (שיטת אוילר לפנים) ו- , נקבל שהמטריצות ו- הן:
בהתחשב בתנאי השפה ועבור , נקבל:
ולכן:
לאחר צעד אחד של , הפתרון יהיה:
כלומר:
פתרון פילוג הטמפרטורה עבור שיטת אוילר לאחור. כפי שניתן לראות, היא לא בהכרח יציבה.
נוכל למצוא קריטריון ליציבות בזמן של הפתרון בעזרת המטריצה - נדרוש שכל הערכים העצמיים שלה מבטיחים התכנסות של הפתרון. בגדול, מה שזה אומר, זה שגודל כל ע”ע (שיכול להיות מרוכב) מקיים .
עבור המקרה של עם שני אלמנטים, לאחר התחשבות בשני תנאי שפה, אנו מקבלים:
כלומר, יש לנו מקרה פשוט שהמטריצה שלנו היא ערך יחיד. הע”ע שלנו הוא פשוט . נבדוק מתי הוא קטן מיחידה:
כך שעבור שני אלמנטים, . עבור אלמנטים, נקבל
כלומר, ככל שיש יותר אלמנטים (דיסקרטיזציה עדינה יותר במרחב), קריטריון היציבות נעשה מחמיר יותר, ונדרש לבחור קטן יותר בהתאם. זהו ביטוי לתופעה כללית - כאשר מדייקים יותר במרחב, נדרש לדייק יותר גם בזמן כדי לשמור על יציבות נומרית של הפתרון.
השוואה בין צעידה זמן גדולה מהערך הקריטי ליציבות לצעידת זמן קטנה יותר מהערך הקריטי ליציבות.